Sammenhængskomponenter i grafer
|
|
|
- Stig Laursen
- 8 år siden
- Visninger:
Transkript
1 Sammenhængskomponenter i grafer
2 Ækvivalensrelationer Repetition: En relation R på en mængde S er en delmængde af S S. Når (x, y) R siges x at stå i relation til y. Ofte skrives x y, og relationen selv betegnes.
3 Ækvivalensrelationer Repetition: En relation R på en mængde S er en delmængde af S S. Når (x, y) R siges x at stå i relation til y. Ofte skrives x y, og relationen selv betegnes. Relation kaldes en ækvivalensrelation hvis der for alle x, y, z S gælder: x x. x y y x. x y y z x z.
4 Ækvivalensrelationer Repetition: En relation R på en mængde S er en delmængde af S S. Når (x, y) R siges x at stå i relation til y. Ofte skrives x y, og relationen selv betegnes. Relation kaldes en ækvivalensrelation hvis der for alle x, y, z S gælder: x x. x y y x. x y y z x z. En ækvivalensrelation deler S i disjunkte delmængder (hver bestående af elementer som er i relation til hinanden, men ikke til andre elementer), og kaldes derfor også en partition.
5 Ækvivalensrelationer på en grafs knuder Uorienterede grafer: For v, u V : v u der er en (uorienteret) sti mellem u og v
6 Ækvivalensrelationer på en grafs knuder Uorienterede grafer: For v, u V : v u der er en (uorienteret) sti mellem u og v Giver en partition af grafens knuder V : De kaldes grafens sammenhængskomponenter (CC er).
7 Ækvivalensrelationer på en grafs knuder Uorienterede grafer: For v, u V : v u der er en (uorienteret) sti mellem u og v Giver en partition af grafens knuder V : De kaldes grafens sammenhængskomponenter (CC er). Finde dem?
8 Ækvivalensrelationer på en grafs knuder Uorienterede grafer: For v, u V : v u der er en (uorienteret) sti mellem u og v Giver en partition af grafens knuder V : De kaldes grafens sammenhængskomponenter (CC er). Finde dem? Via DFS eller BFS (med ydre driver, som i DFS). Knuderne i hvert genereret træ er en CC, da alle knuder, som kan nås fra en startknude s, vil blive nået, og ingen andre knuder kan nås (jvf. punkt 1 og 2 i sætning om BFS).
9 Ækvivalensrelationer på en grafs knuder Uorienterede grafer: For v, u V : v u der er en (uorienteret) sti mellem u og v Giver en partition af grafens knuder V : De kaldes grafens sammenhængskomponenter (CC er). Finde dem? Via DFS eller BFS (med ydre driver, som i DFS). Knuderne i hvert genereret træ er en CC, da alle knuder, som kan nås fra en startknude s, vil blive nået, og ingen andre knuder kan nås (jvf. punkt 1 og 2 i sætning om BFS). Tid?
10 Ækvivalensrelationer på en grafs knuder Uorienterede grafer: For v, u V : v u der er en (uorienteret) sti mellem u og v Giver en partition af grafens knuder V : De kaldes grafens sammenhængskomponenter (CC er). Finde dem? Via DFS eller BFS (med ydre driver, som i DFS). Knuderne i hvert genereret træ er en CC, da alle knuder, som kan nås fra en startknude s, vil blive nået, og ingen andre knuder kan nås (jvf. punkt 1 og 2 i sætning om BFS). Tid? O(n + m).
11 Ækvivalensrelationer på en grafs knuder Orienterede grafer: For v, u V : v u der er en (orienteret) sti fra u til v og der er en (orienteret) sti fra v til u
12 Ækvivalensrelationer på en grafs knuder Orienterede grafer: For v, u V : v u der er en (orienteret) sti fra u til v og der er en (orienteret) sti fra v til u Giver en partition af grafens knuder V : De kaldes grafens stærke sammenhængskomponenter (SCC er). Finde dem?
13 Finde stærke sammenhængskomponenter Algoritme: Her er G T grafen G med alle kanter vendt.
14 Finde stærke sammenhængskomponenter Algoritme: Her er G T grafen G med alle kanter vendt. Tid?
15 Finde stærke sammenhængskomponenter Algoritme: Her er G T grafen G med alle kanter vendt. Tid? O(n + m).
16 Finde stærke sammenhængskomponenter Algoritme: Her er G T grafen G med alle kanter vendt. Tid? O(n + m). Korrekthed?
17 Finde stærke sammenhængskomponenter Algoritme: Her er G T grafen G med alle kanter vendt. Tid? O(n + m). Korrekthed? De næste sider...
18 Sætning: Algoritmen SCC ovenfor er korrekt, dvs. træerne returneret fra det andet kald til DFS repræsenterer præcis G s SCC er.
19 Sætning: Bevis: Algoritmen SCC ovenfor er korrekt, dvs. træerne returneret fra det andet kald til DFS repræsenterer præcis G s SCC er.
20 Sætning: Bevis: Algoritmen SCC ovenfor er korrekt, dvs. træerne returneret fra det andet kald til DFS repræsenterer præcis G s SCC er. Bemærk først at: Der er en sti u v i G Der er en sti v u i G T
21 Sætning: Bevis: Algoritmen SCC ovenfor er korrekt, dvs. træerne returneret fra det andet kald til DFS repræsenterer præcis G s SCC er. Bemærk først at: Heraf følger: Der er en sti u v i G Der er en sti v u i G T u og v i samme SCC i G u og v i samme SCC i G T
22 Sætning: Bevis: Algoritmen SCC ovenfor er korrekt, dvs. træerne returneret fra det andet kald til DFS repræsenterer præcis G s SCC er. Bemærk først at: Heraf følger: Der er en sti u v i G Der er en sti v u i G T u og v i samme SCC i G u og v i samme SCC i G T Så G og G T har de samme SCC er.
23 Hvid-sti lemma: Hvis findes en sti af hvide knuder fra u til w når u kommer på stakken (dvs. til tid u.d), da kommer w på stakken inden u kommer af.
24 Hvid-sti lemma: Hvis findes en sti af hvide knuder fra u til w når u kommer på stakken (dvs. til tid u.d), da kommer w på stakken inden u kommer af. Bevis (lemma): Antag at der findes knuder på stien som ikke kommer på stakken før u kommer af, og lad y være den første (set fra u). Dvs. y s forgænger x kom på stakken inden u kom af. Men så kan u ikke komme af inden x gør, og x kan ikke komme af før y har været på stakken (da y er nabo til x vil y blive opdaget/sat på stakken af x, hvis det ikke er sket tidligere). Da w kommer på stakken efter at u kommer på stakken fås: Korollar: I situationen ovenfor haves u.d < w.d < w.f < u.f.
25 For en knudemængde C V defineres f (C) = max v C v.f (hvor f angiver tiden fra første DFS i SCC-algoritmen). Lemma: Hvis C, C er to forskellige SCC er i G, og (x, y) er en kant i G med x C og y C, da gælder f (C) > f (C ).
26 For en knudemængde C V defineres f (C) = max v C v.f (hvor f angiver tiden fra første DFS i SCC-algoritmen). Lemma: Hvis C, C er to forskellige SCC er i G, og (x, y) er en kant i G med x C og y C, da gælder f (C) > f (C ). Da G T er G med alle kanter vendt, og da SCC erne er de samme i G T og G, haves: Korollar: Hvis C, C er to forskellige SCC er i G T, og (x, y) er en kant i G T med x C og y C, da gælder f (C) < f (C ).
27 Bevis (lemma): Lad u være den første knude i C C som opdages.
28 Bevis (lemma): Lad u være den første knude i C C som opdages. Case 1: u C. Her er der en sti fra u til w for alle w C C, så udsagnet følger af korollar til hvid-sti lemma.
29 Bevis (lemma): Lad u være den første knude i C C som opdages. Case 1: u C. Her er der en sti fra u til w for alle w C C, så udsagnet følger af korollar til hvid-sti lemma. Case 2: u C. Her er der en sti fra u til w for alle w C, så af samme korollar haves f (C ) = u.f.
30 Bevis (lemma): Lad u være den første knude i C C som opdages. Case 1: u C. Her er der en sti fra u til w for alle w C C, så udsagnet følger af korollar til hvid-sti lemma. Case 2: u C. Her er der en sti fra u til w for alle w C, så af samme korollar haves f (C ) = u.f. Hvis der fandtes en knude v C med v.d < u.f, ville der være et tidpunkt hvor v og u var på stakken samtidig (da u.d < v.d, eftersom u var den først opdagede i C C ). Da det er en invariant under DFS at der i grafen findes en sti mellem knuderne på stakken (fra tidligere til senere push ede knuder), ville dette betyde en sti fra u C til v C. Sammen med kanten (x, y) ville dette medføre at alle knuder i C C var i samme SCC, i modstrid med at C og C er to forskellige SCC er.
31 Bevis (lemma): Lad u være den første knude i C C som opdages. Case 1: u C. Her er der en sti fra u til w for alle w C C, så udsagnet følger af korollar til hvid-sti lemma. Case 2: u C. Her er der en sti fra u til w for alle w C, så af samme korollar haves f (C ) = u.f. Hvis der fandtes en knude v C med v.d < u.f, ville der være et tidpunkt hvor v og u var på stakken samtidig (da u.d < v.d, eftersom u var den først opdagede i C C ). Da det er en invariant under DFS at der i grafen findes en sti mellem knuderne på stakken (fra tidligere til senere push ede knuder), ville dette betyde en sti fra u C til v C. Sammen med kanten (x, y) ville dette medføre at alle knuder i C C var i samme SCC, i modstrid med at C og C er to forskellige SCC er. Derfor haves v.d > u.f for alle v C, så f (C) > u.f = f (C ).
32 Vi viser nu sætningen om korrekthed af SCC-algoritmen ved at vise at for alle k gælder: Knuderne i de k første træer genereret under den anden DFS i SCC-algoritmen udgør hver især en SCC i G T. Da SCC erne i G og G T er de samme, og da alle knuder i grafen er i et af træerne, viser dette korrektheden.
33 Vi viser nu sætningen om korrekthed af SCC-algoritmen ved at vise at for alle k gælder: Knuderne i de k første træer genereret under den anden DFS i SCC-algoritmen udgør hver især en SCC i G T. Da SCC erne i G og G T er de samme, og da alle knuder i grafen er i et af træerne, viser dette korrektheden. Vi viser ovenstående udsagn via induktion på k.
34 Vi viser nu sætningen om korrekthed af SCC-algoritmen ved at vise at for alle k gælder: Knuderne i de k første træer genereret under den anden DFS i SCC-algoritmen udgør hver især en SCC i G T. Da SCC erne i G og G T er de samme, og da alle knuder i grafen er i et af træerne, viser dette korrektheden. Vi viser ovenstående udsagn via induktion på k. Skridt: Antag sandt for k, vis sandt for k + 1. Det (k + 1) te træ genereres ved det (k + 1) te kald til DFS-Visit i for-løkken i den ydre driver i DFS. Lad u være knude, der kaldes på. Hvis vi stiller knuderne op i for-løkkens rækkefølge (efter aftagende v.f -værdi), ser situationen sådan ud på tidspunktet for dette kald:
35 u V : v.f: for-loop: Sorte knuder er de indtil nu opdagede under DFS, hvide er de uopdagede. Lad C være SCC en indeholdende u, og lad T være træet genereret af kaldet på u. Af induktionsantagelsen udgør de sorte knuder præcis k af grafens SCC er. Derfor må alle andre SCC er ligge inden i de hvide knuder, og C er en af disse (da u er hvid). Eftersom der ved starten af kaldet er en hvid sti fra u til alle w C, giver korollar til hvid-sti lemma at C T.
36 Lad C være en vilkårlig hvid SCC forskellig fra C. Pga. for-løkkens rækkefølge ses u.f = f (C) > f (C ), så af korollar til lemma ovenfor fås at ingen kant i G T kan gå fra C til C. Da DFS-Visit ikke besøger de sorte knuder, kan den derfor ikke forlade C. Heraf ses T C. Vi har i alt vist T = C, hvilket viser udsagnet for k + 1.
37 Lad C være en vilkårlig hvid SCC forskellig fra C. Pga. for-løkkens rækkefølge ses u.f = f (C) > f (C ), så af korollar til lemma ovenfor fås at ingen kant i G T kan gå fra C til C. Da DFS-Visit ikke besøger de sorte knuder, kan den derfor ikke forlade C. Heraf ses T C. Vi har i alt vist T = C, hvilket viser udsagnet for k + 1. Basis: Samme argument, blot lidt simplere (der er ingen sorte knuder, og u er første knude i rækkefølgen), viser udsagnet for k = 1.
Grafer og graf-gennemløb
Grafer og graf-gennemløb Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges). Dvs. ordnede par af knuder. Figur: Terminologi: n = V, m = E (eller V og E (mis)bruges som V og E ).
Danmarks Tekniske Universitet
side af sider Danmarks Tekniske Universitet Skriftlig prøve, den. maj 00. Kursusnavn Algoritmer og datastrukturer Kursus nr. 06. Tilladte hjælpemidler: Alle hjælpemidler. Vægtning af opgaverne: Opgave
Korteste veje i vægtede grafer. Længde af sti = sum af vægte af kanter på sti.
Korteste veje Korteste veje i vægtede grafer Længde af sti = sum af vægte af kanter på sti. Korteste veje i vægtede grafer Længde af sti = sum af vægte af kanter på sti. δ(u, v) = længden af en korteste
INSTITUT FOR DATALOGI, AARHUS UNIVERSITET
INSTITUT FOR DTOI, RUS UNIVERSITET Science and Technology ESEN lgoritmer og Datastrukturer (00-ordning) ntal sider i opgavesættet (incl. forsiden): (elleve) Eksamensdag: Fredag den. juni 0, kl. 9.00-.00
Skriftlig Eksamen DM507 Algoritmer og Datastrukturer
Skriftlig Eksamen DM507 Algoritmer og Datastrukturer Institut for Matematik og Datalogi Syddansk Universitet, Odense Mandag den 6. juni 2016, kl. 15:00 19:00 Besvarelsen skal afleveres elektronisk. Se
Grådige algoritmer. Et algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer.
Grådige algoritmer Grådige algoritmer Et algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer. Grådige algoritmer Et algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer.
Algoritmer og datastrukturer Course No. 02105 Cheat Sheet 2012. May 15, 2012
Algoritmer og datastrukturer Course No. 02105 Cheat Sheet 2012 May 15, 2012 1 CONTENTS 2012 CONTENTS Contents 1 Kompleksitet 3 1.1 Køretid................................................ 3 1.2 Asymptotisk
Danmarks Tekniske Universitet
side af 2 sider Danmarks Tekniske Universitet Skriftlig prøve, den 2. maj 200. Kursusnavn Algoritmer og datastrukturer Kursus nr. 02326. Tilladte hjælpemidler: Alle hjælpemidler. Vægtning af opgaverne:
Skriftlig Eksamen Algoritmer og Datastrukturer (dads)
Skriftlig Eksamen Algoritmer og Datastrukturer (dads) Datalogisk Institut Aarhus Universitet Mandag den 27. maj 2002, kl. 9.00 13.00 Opgave 1 (25%) Denne opgave handler om multiplikation af positive heltal.
Danmarks Tekniske Universitet
side af sider Danmarks Tekniske Universitet Skriftlig prøve, den 6. maj 0. Kursusnavn: Algoritmer og datastrukturer Kursus nr. 06. Tilladte hjælpemidler: Skriftlige hjælpemidler. Varighed: timer Vægtning
Danmarks Tekniske Universitet
side af sider Danmarks Tekniske Universitet Skriftlig prøve, den 6. maj 0. Kursusnavn: Algoritmer og datastrukturer I Kursus nr. 005. Tilladte hjælpemidler: Skriftlige hjælpemidler. Varighed: timer Vægtning
Danmarks Tekniske Universitet
Eksamen 02105, F14 side 1 af 14 Danmarks Tekniske Universitet Skriftlig prøve, den 22. maj 2014. Kursusnavn: Algoritmer og datastrukturer 1 Kursusnummer: 02105 Hjælpemidler: Skriftlige hjælpemidler. Det
Skriftlig Eksamen Algoritmer og Datastrukturer (DM507)
Skriftlig Eksamen Algoritmer og Datastrukturer (DM507) Institut for Matematik og Datalogi Syddansk Universitet, Odense Onsdag den 0. juni 009, kl. 9 Alle sædvanlige hjælpemidler (lærebøger, notater, osv.)
Danmarks Tekniske Universitet
Eksamen 005, F side af sider Danmarks Tekniske Universitet Skriftlig prøve, den 6. maj 0. Kursusnavn: Algoritmer og datastrukturer I Kursus nr. 005. Tilladte hjælpemidler: Skriftlige hjælpemidler. Varighed:
Skriftlig Eksamen Algoritmer og Datastrukturer (DM507)
Skriftlig Eksamen Algoritmer og Datastrukturer (DM507) Institut for Matematik og Datalogi Syddansk Universitet, Odense Mandag den 7. juni 00, kl. 9 Alle sædvanlige hjælpemidler (lærebøger, notater, osv.)
Mindste udspændende træ. Mindste udspændende træ. Introduktion. Introduktion
Philip Bille Introduktion (MST). Udspændende træ af minimal samlet vægt. Introduktion (MST). Udspændende træ af minimal samlet vægt. 0 0 Graf G Ikke sammenhængende Introduktion (MST). Udspændende træ af
Skriftlig Eksamen DM507 Algoritmer og Datastrukturer
Skriftlig Eksamen DM507 Algoritmer og Datastrukturer Institut for Matematik og Datalogi Syddansk Universitet, Odense Tirsdag den 24. juni 2014, kl. 10:00 14:00 Besvarelsen skal afleveres elektronisk. Se
Danmarks Tekniske Universitet
Eksamen 0205, Forår 205 side af 5 Danmarks Tekniske Universitet Skriftlig prøve, den 22. maj 205. Kursusnavn: Algoritmer og datastrukturer Kursusnummer: 0205 Hjælpemidler: Skriftlige hjælpemidler. Det
02105 Eksamensnoter. Lasse Herskind S maj Sortering 3
02105 Eksamensnoter Lasse Herskind S153746 12. maj 2017 Indhold 1 Sortering 3 2 Analyse af algoritme 4 2.1 Køretid.......................................... 4 2.2 Pladsforbrug.......................................
Minimum udspændende Træer (MST)
Minimum udspændende Træer (MST) Træer Et (frit/u-rodet) træ er en uorienteret graf G = (V, E) som er Sammenhængende: der er en sti mellem alle par af knuder. Acyklisk: der er ingen lukket kreds af kanter
GEOMETRI-TØ, UGE 8. X = U xi = {x i } = {x 1,..., x n }, U α, U α = α. (X \ U α )
GEOMETRI-TØ, UGE 8 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til [email protected]. Opvarmningsopgave 1. Lad X være en mængde og T familien af alle delmængder
Algoritmeanalyse. Øvre grænse for algoritme. Øvre grænse for problem. Nedre grænse for problem. Identificer essentiel(le) operation(er)
Algoritmeanalyse Identificer essentiel(le) operation(er) Øvre grænse for algoritme Find øvre grænse for antallet af gange de(n) essentielle operation(er) udføres. Øvre grænse for problem Brug øvre grænse
Forén og find. Introduktion Hurtig find Hurtig forening Vægtet forening Stikompression Dynamiske sammenhængskomponenter.
Forén og find Introduktion Hurtig find Hurtig forening Vægtet forening Stikompression Dynamiske sammenhængskomponenter Philip Bille Forén og find Introduktion Hurtig find Hurtig forening Vægtet forening
Eksamen i Diskret Matematik
Eksamen i Diskret Matematik Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet 10. juni, 2016. Kl. 9-13. Nærværende eksamenssæt består af 11 nummererede sider med ialt 16 opgaver. Alle opgaver
INSTITUT FOR DATALOGI, AARHUS UNIVERSITET
INSTITUT FOR ATALOGI, AARHUS UNIVERSITET Science and Technology EKSAMEN Algoritmer og atastrukturer (00-ordning) Antal sider i opgavesættet (incl. forsiden): (elleve) Eksamensdag: Fredag den. august 0,
Minimum udspændende Træer (MST)
Minimum udspændende Træer (MST) Træer Et (frit/u-rodet) træ er en uorienteret graf G = (V, E) som er Sammenhængende: der er en sti mellem alle par af knuder. Acyklisk: der er ingen kreds af kanter. Træ
Reeksamen i Diskret Matematik
Reeksamen i Diskret Matematik Første studieår ved Det Teknisk-Naturvidenskabelige Fakultet 23. august, 2016, 9.00-13.00 Dette eksamenssæt består af 11 nummerede sider med 16 opgaver. Alle opgaver er multiple
Sortering. De n tal i sorteret orden. Eksempel: Kommentarer:
Sortering Sortering Input: Output: n tal De n tal i sorteret orden Eksempel: Kommentarer: 6, 2, 9, 4, 5, 1, 4, 3 1, 2, 3, 4, 4, 5, 9 Sorteret orden kan være stigende eller faldende. Vi vil i dette kursus
INSTITUT FOR DATALOGI, AARHUS UNIVERSITET
INSTITUT FOR DATALOGI, AARHUS UNIVERSITET Science and Technology EKSAMEN Antal sider i opgavesættet (incl. forsiden): 6 (seks) Eksamensdag: Fredag den 22. juni 2012, kl. 9.00-13.00 Eksamenslokale: Finlandsgade
Divide-and-Conquer algoritmer
Divide-and-Conquer algoritmer Divide-and-Conquer algoritmer Det samme som rekursive algoritmer. Divide-and-Conquer algoritmer Det samme som rekursive algoritmer. 1. Opdel problem i mindre delproblemer
Sortering. Eksempel: De n tal i sorteret orden
Sortering 1 / 34 Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden 6, 2, 9, 4, 5, 1, 4, 3 1, 2, 3, 4, 4, 5, 9 2 / 34 Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden
Divide-and-Conquer algoritmer
Divide-and-Conquer algoritmer Divide-and-Conquer algoritmer Det samme som rekursive algoritmer. 1. Opdel problem i mindre delproblemer (af samme type). 2. Løs delproblemerne ved rekursion (dvs. kald algoritmen
DM507 Algoritmer og datastrukturer
DM507 Algoritmer og datastrukturer Forår 2010 Projekt, del III Institut for matematik og datalogi Syddansk Universitet 24. april, 2010 (let justeret 10. maj og 21. maj 2010) Dette projekt udleveres i tre
Sortering. Eksempel: De n tal i sorteret orden
Sortering 1 / 32 Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden 6, 2, 9, 4, 5, 1, 4, 3 1, 2, 3, 4, 4, 5, 9 2 / 32 Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden
Divide-and-Conquer algoritmer
Divide-and-Conquer algoritmer Divide-and-Conquer algoritmer Det samme som rekursive algoritmer. Divide-and-Conquer algoritmer Det samme som rekursive algoritmer. 1. Opdel problem i mindre delproblemer
Eksamen i Diskret Matematik
Eksamen i Diskret Matematik Første Studieår ved Det Tekniske Fakultet for IT og Design samt Det Ingeniør- og Naturvidenskabelige Fakultet 29. maj 2017. Kl. 9-13. Nærværende eksamenssæt består af 11 nummererede
Korteste veje. Introduktion Egenskaber for korteste veje Dijkstras algoritme Korteste veje på DAGs. Philip Bille
Korteste veje Introduktion Egenskaber for korteste veje Dijkstras algoritme Korteste veje på DAGs Philip Bille Korteste veje Introduktion Egenskaber for korteste veje Dijkstras algoritme Korteste veje
Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)
Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM58) Institut for Matematik & Datalogi Syddansk Universitet Torsdag den 7 Januar 010, kl. 9 13 Alle sædvanlige hjælpemidler (lærebøger,
Reeksamen i Diskret Matematik
Reeksamen i Diskret Matematik Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet 21. august 2015 Nærværende eksamenssæt består af 10 nummererede sider med ialt 17 opgaver. Tilladte hjælpemidler:
Grafteori. 1 Terminologi. Indhold
Grafteori Dette er en introduktion til de vigtigste begreber i grafteori, udvalgt teori samt eksempler på opgavetyper inden for emnet med fokus på de opgavetyper der typisk er til internationale matematikkonkurrencer.
Nogle grundlæggende begreber
BE2-kursus 2010 Jørgen Larsen 5. februar 2010 Nogle grundlæggende begreber Lidt simpel mængdelære Mængder består af elementer; mængden bestående af ingen elementer er, den tomme mængde. At x er element
Grafteori. 1 Terminologi. Grafteori, Kirsten Rosenkilde, august fra V. (Engelsk: subgraph, spanning subgraph, the subgraph
Grafteori, Kirsten Rosenkilde, august 2010 1 Grafteori Dette er en introduktion til de vigtigste begreber i grafteori, udvalgt teori samt eksempler på opgavetyper inden for emnet med fokus på den type
DM507 Algoritmer og datastrukturer
DM507 Algoritmer og datastrukturer Forår 2012 Projekt, del II Institut for matematik og datalogi Syddansk Universitet 15. marts, 2012 Dette projekt udleveres i tre dele. Hver del har sin deadline, således
Algoritmer og invarianter
Algoritmer og invarianter Iterative algoritmer Algoritmen er overordnet set een eller flere while eller for-løkker. Iterative algoritmer Algoritmen er overordnet set een eller flere while eller for-løkker.
Divide-and-Conquer algoritmer
Divide-and-Conquer algoritmer Divide-and-Conquer algoritmer Det samme som rekursive algoritmer. Divide-and-Conquer algoritmer Det samme som rekursive algoritmer. 1. Opdel problem i mindre delproblemer
